[发明专利]基于机器视觉的布匹瑕疵检测方法

摘要

本发明属于图像处理与模式识别技术领域，涉及一种基于机器视觉的布匹瑕疵检测方法，包括：对正常布匹纹理图像进行功率谱密度分析，获取其纹理的中心频率F和方位角θ；构造S×L的自适应Gabor滤波器组，其中，S代表选取的中心频率数，L代表选取的方位角数；正常布匹纹理图像进行滤波，获得特征图像组，计算出它的每幅图的均值和方差；采集待检测布匹图像；对其滤波，获得特征图像组；对待检测布匹图像的特征图像组进行阈值后处理得到绝对特征图像组；归一化处理；图像融合并进行二值化处理得到检测二值图像；去除噪声干扰，获得最终检测结果。本发明具有通用性强、效率高的优点。

主权项

1.一种基于机器视觉的布匹瑕疵检测方法，包括下列步骤：(1)工业相机采集正常布匹纹理图像P(x，y)；(2)对P(x，y)利用功率谱密度分析，获取布匹图像纹理的中心频率F和方位角θ；(3)确定图象纹理的两组参数：中心频率组(F，F/2)；方位角组(θ，θ+π/2)，利用这两组参数设定并组成S×L的自适应Gabor滤波器组，其中，S代表选取的中心频率数，L代表选取的方位角数；(4)在离线情况下，对正常布匹纹理图像P(x，y)进行自适应Gabor滤波器组的滤波，获得特征图像组H_m，n(x，y)，计算出它的每幅图的均值(Mea_m，n)和方差(Std_m，n)，用作检测图象瑕疵的阈值。(5)采集待检测布匹图像I(x，y)；(6)用构建的自适应Gabor滤波器组对布匹图像I(x，y)进行滤波，获得特征图像组H_m，n(x，y)；(7)用从(4)获取的均值(Mea_m，n)和方差(Std_m，n)对H_m，n(x，y)进行阈值后处理得到绝对特征图像组其中，τ是可调的参数，取值范围2-3；(8)对图像组F_m，n(x，y)进行归一化处理得到相对特征图像组N_m，n(x，y)；(9)对图像组N_m，n(x，y)进行方向角和频率的融合，并进行二值化处理得到检测二值图像I_bm(x，y)；(10)利用最小瑕疵的面积信息去除二值图像I_bm(x，y)中的噪声干扰，获得最终检测结果I_out(x，y)；(11)判断检测结果I_out(x，y)是否含有瑕疵。